| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Cerrados. |
|
Data corrente: |
10/05/2022 |
|
Data da última atualização: |
10/05/2022 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
SILVA, C. A.; GUERRISI, G.; DEL FRATE, F.; SANO, E. E. |
|
Afiliação: |
CLAUDIA ARANTES SILVA; GIORGIA GUERRISI; FABIO DEL FRATE; EDSON EYJI SANO, CPAC. |
|
Título: |
Near-real time deforestation detection in the Brazilian Amazon with Sentinel-1 and neural networks. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
European Journal of Remote Sensing, v. 55, n. 1, 2022. |
|
Páginas: |
p. 129-149 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Optical-based near-real time deforestation alert systems in the Brazilian Amazon are ineffective in the rainy season. This study identify clear-cut deforested areas through Neural Network (NN) algorithm based on C-band, VV- and VH-polarized, Sentinel-1 images. Statistical parameters of backscatter coefficients (mean, standard deviation, and the difference between maximum and minimum values ? MMD) were computed from 30 Sentinel-1 images, from 2019, used as input parameters of the NN classifier. The samples were manually selected, including forested and deforested areas. After deforestation, mean backscatter signals decreased on the average of 2 dB for VV and 2.3 dB for VH from May to September?October. A Multi-Layer Perceptron (MLP) network was used for detecting near-real time forest disturbances larger than 2 ha. Case studies were performed for both polarizations considered the following input sets to the MLP: mean; mean and standard deviation; mean and MMD; and mean, standard deviation, and MMD. For the 2019 dataset, the latter showed the best performance of the NN algorithm with accuracy and F1 score of 99%. Automatic extraction using 2018 Sentinel-1 images reached accuracy and F1 score of 89% with the MapBiomas reference data and accuracy of 81% and F1 score of 79% with the PRODES reference data. |
|
Palavras-Chave: |
Desflorestamento; Extração automática de imagens; Floresta Amazônica; Rede neural. |
|
Thesagro: |
Desmatamento; Floresta Tropical. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1142848/1/Sano-Near-real-time-deforestation-detection-in-the.pdf
|
|
Marc: |
LEADER 02044naa a2200241 a 4500
001 2142848
005 2022-05-10
008 2022 bl uuuu u00u1 u #d
100 1 $aSILVA, C. A.
245 $aNear-real time deforestation detection in the Brazilian Amazon with Sentinel-1 and neural networks.$h[electronic resource]
260 $c2022
300 $ap. 129-149
520 $aOptical-based near-real time deforestation alert systems in the Brazilian Amazon are ineffective in the rainy season. This study identify clear-cut deforested areas through Neural Network (NN) algorithm based on C-band, VV- and VH-polarized, Sentinel-1 images. Statistical parameters of backscatter coefficients (mean, standard deviation, and the difference between maximum and minimum values ? MMD) were computed from 30 Sentinel-1 images, from 2019, used as input parameters of the NN classifier. The samples were manually selected, including forested and deforested areas. After deforestation, mean backscatter signals decreased on the average of 2 dB for VV and 2.3 dB for VH from May to September?October. A Multi-Layer Perceptron (MLP) network was used for detecting near-real time forest disturbances larger than 2 ha. Case studies were performed for both polarizations considered the following input sets to the MLP: mean; mean and standard deviation; mean and MMD; and mean, standard deviation, and MMD. For the 2019 dataset, the latter showed the best performance of the NN algorithm with accuracy and F1 score of 99%. Automatic extraction using 2018 Sentinel-1 images reached accuracy and F1 score of 89% with the MapBiomas reference data and accuracy of 81% and F1 score of 79% with the PRODES reference data.
650 $aDesmatamento
650 $aFloresta Tropical
653 $aDesflorestamento
653 $aExtração automática de imagens
653 $aFloresta Amazônica
653 $aRede neural
700 1 $aGUERRISI, G.
700 1 $aDEL FRATE, F.
700 1 $aSANO, E. E.
773 $tEuropean Journal of Remote Sensing$gv. 55, n. 1, 2022.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Cerrados (CPAC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 272 | |
| 141. |  | SANO, E. E.; BETTIOL, G. M.; BOLFE, E. L.; PARREIRAS, T. C.; CHO, D. F. Mudanças de uso nas áreas agrícolas do Cerrado no período 2016-2020. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 1049-1052. Editores: Douglas Francisco Marcolino Gherardi, Ieda Del´Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Cerrados. |
|    |
| 144. | | PINTO, J. R. R.; SANO, E. E.; PINTO, C. A. S.; REINO, C. M. Parques Nacionais do bioma Cerrado: levantamento das suas formações florestais, savânicas e campestres por meio de segmentação de imagens do satélite Landsat. In: SIMPÓSIO DE ÁREAS PROTEGIDAS, 4., 2008, Canela, RS. Anais... Canela: Universidade de Caxias do Sul, 2008. p. 621-632.| Tipo: Artigo em Anais de Congresso / Nota Técnica |
| Biblioteca(s): Embrapa Cerrados. |
| |
| 148. | | JESUS, E. T. de; SANO, E. E.; BARCELLOS, A. O.; BEZERRA, H. da S. Mapeamento de pastagens cultivadas no cerrado brasileiro por meio de um sistema de informacoes geograficas. In: ENCONTRO DE JOVENS TALENTOS DA EMBRAPA CERRADOS: CONSTRUINDO O CONHECIMENTO DO FUTURO, 1., 2000, Planaltina, DF. Resumos. Planaltina: Embrapa Cerrados, 2000. p.21. (Embrapa Cerrados. Documentos, 14).| Biblioteca(s): Embrapa Cerrados. |
| |
| 149. | | SANO, E. E.; ROSA, R.; BRITO, J. L. S.; FERREIRA, L. G. Mapeamento semidetalhado do uso da terra do Bioma Cerrado. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 43, n. 1, p. 153-156, jan. 2008. Notas científicas.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: Internacional - A |
| Biblioteca(s): Embrapa Cerrados; Embrapa Unidades Centrais. |
| |
| 151. | | FRANÇA, A. M. da S.; SANO, E. E.; SOUSA, A. de O.; FONSECA, R. A. Sensoriamento remoto na identificação e quantificação de áreas úmidas no Distrito Federal. In: SIMPÓSIO NACIONAL CERRADO, 9.; SIMPÓSIO INTERNACIONAL SAVANAS TROPICAIS, 2., 2008, Brasília, DF. Desafios e estratégias para o equilíbrio entre sociedade, agronegócio e recursos naturais: anais... Planaltina, DF: Embrapa Cerrados, 2008. 1 CD-ROM.| Tipo: Artigo em Anais de Congresso / Nota Técnica |
| Biblioteca(s): Embrapa Cerrados. |
| |
| 153. | | VALADÃO, L. V.; FONSECA, I. R.; CICERELLI, R. E.; ALMEIDA, T.; GARNIER, J.; SANO, E. E. Temporal dynamics of the hydropower water Reservoirs of the Tocantins?Araguaia Basin, Brazil, based on remote sensing and hydrometeorological station datasets. Water, v. 15, n. 9, 2023. p. 1-23| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 3 |
| Biblioteca(s): Embrapa Cerrados. |
| |
| Registros recuperados : 272 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
